Python 3.x 熊猫：如何对特定行求和

假设我有一个熊猫数据框，它看起来像这样：

category  sentences
Data1     String1
NaN       String2
NaN       String3
Data2     String1
NaN       String4
Data2     String1
NaN       String6
NaN       String7
Data3     String1
NaN       String8
NaN       String9

category  sentences
Data1     String1 String2 String3
Data2     String1 String4
Data2     String1 String6 String7
Data3     String1 String8 String9

我想把它转换成这样：

category  sentences
Data1     String1
NaN       String2
NaN       String3
Data2     String1
NaN       String4
Data2     String1
NaN       String6
NaN       String7
Data3     String1
NaN       String8
NaN       String9

category  sentences
Data1     String1 String2 String3
Data2     String1 String4
Data2     String1 String6 String7
Data3     String1 String8 String9

从标题中可以看到，右栏是完整对话的句子，左栏是它们各自的类别。我在这里试图做的是简单地选择带有

NaN

值的行，并将其与前面的行相加，直到到达

String1

到目前为止，这对我来说是一个失败，因为我尝试了不同的东西，但仍然没有解决方案。我该怎么做

另一个问题：我选择我的数据帧（我们称之为

df

）并选择前3行，然后使用

df[0:3].sum（）对它们进行求和，它返回
系列（[]，dtype:float64）
。如果我在最后加上
.sum（axis=1）
，我得到的每一行都是零。我尝试了
.sum（axis=0）
，它返回了
系列（[]，数据类型：float64）
。我还尝试添加
iloc
，但得到了相同的结果。所以，任何人都能看出我做错了什么，我应该做什么

TL；DR:我想将字符串从
String1
添加到
String1
，而不包括最后一个
String1
。有可能这样做吗？如果有，怎么做

请注意：很抱歉格式化。我仍然无法适应它…
它不是最佳的、非蟒蛇式的、丑陋的！但它确实起到了作用：

import pandas as pd

old_table = pd.read_csv('your_table.csv')
new_table = pd.DataFrame([],columns=('category','sentences'))

for ID,row in old_table.iterrows():
    if not pd.isnull(row['category']):
        new_table.loc[len(new_table)] = [row['category'],[row['sentences']]]
    else:
        string = list(new_table.loc[len(new_table)-1]['sentences'])
        string.append(row['sentences'])
        new_table.loc[len(new_table)-1]['sentences'] = string

print(old_table,'\n====\n',new_table)

它给出：

  category sentences
0      One     hello
1      NaN        my
2      NaN    little
3      NaN    friend
4      Two     hello
5      NaN        to
6      NaN       you
7      NaN       too 
====
   category                    sentences
0      One  [hello, my, little, friend]
1      Two        [hello, to, you, too]

创建一个临时ID列，与category列一起用作组键，然后为每个组添加句子

df=df.copy()
df['ID'] = df.index.to_series()[df.category.notnull()]
df.fillna(method='ffill')\
  .groupby(['ID','category'])['sentences']\
  .apply(lambda x: ' '.join(x))\
  .reset_index()\
  .drop('ID',1)
Out[59]: 
  category                sentences
0    Data1  String1 String2 String3
1    Data2          String1 String4
2    Data2  String1 String6 String7
3    Data3  String1 String8 String9

首先使用
ffill
（使用方法='ffill'）通过
arange
中的唯一值创建
系列
，其中替换了
类别的值
：

s = df['category'].where(df['category'].isnull(), np.arange(len(df.index))).ffill()
0     0
1     0
2     0
3     3
4     3
5     5
6     5
7     5
8     8
9     8
10    8
Name: category, dtype: int64

然后通过
s
和：

非常感谢。工作得很有魅力。如果您不介意的话，请回答一个小问题：为什么在
'category'：'first'
中使用
'first'
？因为它是每个组的第一个值，所以组是由
s
创建的，因为需要区分
category
列的相同值。我明白了。再次感谢你帮助一个新手！没问题，我们每个人都开始了。如果知道，我很高兴能帮上忙；）天气真好！谢谢这一个也有效，除了我必须在每一行中加入列表。但正如你所说，它是有效的。另外，一个快速更正：如果我没有弄错的话，我相信应该是pd.read\u csv

。谢谢你的回复！但不幸的是，它给了我以下错误：

SettingWithCopyWarning:试图在数据帧切片的副本上设置一个值。尝试改用.loc[row\u indexer，col\u indexer]=value

这是一条警告消息，有时可能是错误警报。要摆脱它，可以在运行代码之前先执行df=df.copy（）。